66云鏈產業數字金融隨筆丨用結果導向的歸因方法，能否在過程中控制用信風險？
作者：左楊農 ，66云鏈董事、高級顧問，中物聯“物聯網技術與應用專業委員會專家組”專家
現實工作中，金融機構在信用審查通過之后即開始用信的過程。一個合同周期結束之后就會知道此筆用信的質量結果，可以判定是正常的用信還是非正常的用信，比如逾期、欠息或者形成壞賬。對于非正常的用信結果，在后期需要分析成因，然后得出一系列共性的原因再去調整前面信用審查的模型因子，使得后面的信用審查可以規避或者拒絕類似的用信申請，提高用信質量和收益。
在商業銀行互聯網貸款的管理中，因為非正常用信呈現的離散和偶發的特點，我們把這種分析不良資產成因的方法稱之為歸因法。只在出現了非正常用信結果才去做歸因分析，我們稱之為結果導向。這種分析方法采用了數學中概率論的原理，很多金融機構使用的是一種小樣本采樣模型和計算機學習的算法。很明顯，如果不出現非正常用信結果，一般情況是不會去調整信用審查模型中的相關因子。所以對現有的銀行互聯網貸款這種批量作業形式中只能是結果分析推導，無法做到在過程中控制信用質量。
反觀產業數字金融場景下的信用審查和用信質量控制，則是過程導向的機制。在產業數字化場景中因為大量的使用了工業物聯網（IIOT）技術和設備，通過第三方產業數字化平臺在工業傳感器的根結點引出數字信號，金融機構按照事先設定的風險分析模型判斷和分析有可能造成生產經營異常的原因，通過支付控制來及時止損或者及時提示風險成因進行人工干預。這樣就可以把用信風險的過程控制放到了產業現場的最初階段。所以說，在產業數字化場景中是過程導向的信用風險控制，顯然比結果導向的用信質量控制要先進得多。
可能有人要問，那么在信用審查的階段，如何獲取生產場景中的歷史傳感器數據呢？這就是產業數字化平臺的作用了。產業數字化平臺是一個第三方的獨立機構，其存在的意義是給大量的產業場景提供數字化的服務。比如數字化第三方物流交付平臺、設備預測性維護平臺和環境狀況監測平臺等很多平臺機構，這些平臺的主要業務是服務于產業場景的日常生產調度和工藝控制。
產業數字化平臺會將實時采集的數據進行清洗、標注和備份，用于工藝場景的歷史分析和相關的應用。這些海量數據即構成了實質上的產業數字資產。隨著區塊鏈和加密脫敏技術的使用，這些數據的可信度足以勝過人工填制的財務報表。用這些歷史形成的數據通過金融機構的信用審查模型，結合金融機構可以取得的外部征信數據和支付數據，就可以得出完整的信用審查結論。信用測算的基本原理是用歷史測算未來，只有把信用審查的觸角深入到歷史的真實過程中才能排除主體信用和交易信用測算中的原始數據造假行為，還企業信用的本來面目。金融機構把工業場景中錢（信用）–物–錢（信用）的閉環轉換邏輯理解和應用了之后，在用信過程中控制風險就很容易實現了。
